Прикладные API для искусственного интеллекта и Data Science, Дэй Р., 2026

Прикладные API для искусственного интеллекта и Data Science, Дэй Р., 2026.
 
   Книга рассказывает о проектировании API для обработки данных и взаимодействия с большими языковыми моделями. Рассматривается работа с языком Python и его фреймворками FastAPI, Streamlit и LangChain. Рассматривается интеграция API в имеющиеся рабочие процессы, типичные для обработки данных, вывод приложения в облако, подбор интерфейсов для обслуживания различных задач, применение больших языковых моделей класса GPT для оптимизации и ускорения проектирования API.




Доступ к данным из Python.
В Python существует несколько способов получения доступа к данным. Можно, к примеру, создать подключение к БД и выполнять SQL-запросы напрямую. Звучит просто, однако, вам тут же придется столкнуться с целым рядом проблем, среди которых сопоставление типов данных SQLite с объектами Python. Кроме того, понадобятся меры предотвращения SQL-инъекций при приеме ввода от пользователей вашего API.

Чтобы исключить трудоемкие операции, мы воспользуемся объектно-реляционным отображением — ORM, позволяющим обрабатывать процесс чтения таблиц БД и создания из них объектов Python. Мы воспользуемся весьма распространенным в Python ORM-инструментом: SQLAlchemy.

ОГЛАВЛЕНИЕ.
Отзывы о книге.
Предисловие.
Зачем вам читать эту книгу?.
Для кого эта книга.
Для специалистов по работе с данными.
Для разработчиков и проектировщиков API.
Для ищущих работу и желающих сменить свою роль.
Создание портфолио-проектов.
Как пользоваться данной книгой.
Чем не является данная книга.
Почему именно фэнтези-футбол?.
Получение дополнительных советов по API, искусственному интеллекту и науке о работе с данными.
Соглашения, принятые в данной книге.
Использование примеров кода.
Платформа онлайн-обучения O'Reilly.
Контактная информация.
Благодарности.
ЧАСТЬ 1. РАЗРАБОТКА API ДЛЯ ЗАДАЧ DATA SCIENCE.
Глава 1. Создание API, которые понравятся специалистам по обработке данных.
Для чего специалисты по обработке данных используют АРI-интерфейсы?.
Какие инструменты используют специалисты по обработке данных?.
Проектирование API для специалистов по обработке данных.
Предоставление первой части вашего портфолио-проекта.
У каждого API есть своя история.
Знакомьтесь с вашей компанией: SportsWorldCentral.
SWC нуждается в API.
Выбор первых АРI-продуктов.
Выявление потенциальных пользователей.
Создание пользовательских историй.
Дополнительные источники информации.
Резюме.
Глава 2. Выбор архитектуры, подходящей для API.
Архитектурные стили API.
Обмен репрезентациями ресурсов (Representational State Transfer, REST).
Язык графических запросов Graph Query Language (GraphQL).
gRPC.
Ваш выбор: REST.
Технологическая архитектура.
Программные средства, используемые в данной главе.
Python.
GitНub.
Начало работы с GitHub Codespace.
Создание учетной записи в GitНub.
Клонирование репозитория части первой.
Запуск вашей среды GitНub Codespace.
Знакомство с новым кодовым пространством.
Совершение вашего первого коммита.
Дополнительные источники информации.
Резюме.
Глава 3. Создание базы данных.
Компоненты API.
Программные средства, используемые в данной главе.
SQLite.
SQLAlchemy.
pytest.
Создание базы данных SQLite.
Создание таблиц базы данных.
Принципы формирования таблиц.
Загрузка данных.
Доступ к данным из Python.
Установка SQLAlchemy в вашу среду.
Создание Руthоn-файлов для доступа к базе данных.
Создание файла конфигурации базы данных.
Создание вспомогательных функций SQLAlchemy.
Установка pytest в вашу среду.
Тестирование нашего кода SQLAchemy.
Дополнительные источники информации.
Резюме.
Глава 4. Разработка кода FastAPI.
Продолжение разработки портфолио-проекта.
Программные средства, используемые в данной главе.
FastAPI.
НТТРХ.
Pydantic.
Uvicom.
Копирование файлов из каталога третьей главы.
Установка в кодовое пространство новых библиотек.
Создание файлов на языке Python для нашего API.
Создание Pydantic-cxeм.
Создание контроллера FastAPI.
Тестирование API.
Запуск API.
Дополнительные источники информации.
Резюме.
Глава 5. Документирование API.
Документация как сигнал доверия.
Создание высококачественной АРI-документации.
Основные функции.
Дополнительные функции.
Просмотр примеров документации по API.
Приложение Sleeper.
MyFantasyLeague.
Yahoo! Фэнтези-футбол.
Просмотр встроенной документации вашего API.
Копирование файлов из каталога четвертой главы.
Вариант документации 1: Swagger UI.
Вариант документации 2: Redoc.
Работа с файлом спецификации OpenAPI.
Продолжение разработки портфолио-проекта.
Добавление сведений к ОАS-объекту info.
Добавление тегов для классификации путей.
Добавление дополнительных сведений к конкретным конечным точкам.
Добавление описаний параметров.
Просмотр изменений в Swagger UI.
Регрессионное тестирование API.
Обновление файла README.md.
Дополнительные источники информации.
Резюме.
Глава 6. Развертывание API в облаке.
Преимущества и обязательства при развертывании API в облаке.
Преимущества.
Обязательства.
Выбор облачного хостинга для вашего проекта.
Настройка каталога проекта.
Использование GitHub Codespaces в качестве облачного хостинга.
Развертывание в Render.
Регистрация на Render.
Создание нового веб-сервиса.
Автоматическое развертывание изменений в API.
Упаковка приложения в контейнер Docker.
Проверка установки Docker.
Создание Dockerfile.
Создание файла .dockerignore.
Сборка образа контейнера.
Локальный запуск образа контейнера.
Развертывание в AWS.
Создание контейнерного Lightsail-cepвиca.
Установка АWS CLI.
Установка плагина Amazon Lightsail для работы с контейнерными сервисами.
Настройка параметров входа.
Отправка нашего образа контейнера в Lightsail.
Создание Lightsаil-развертывания.
Обновление АРl-документации.
Дополнительные источники информации.
Резюме.
Глава 7. Все включено: разработка Python SDK.
SDK устраняют разрыв.
Выбор языка программирования для вашего SDK.
Начнем с SDK с минимальным функционалом.
Совет эксперта: упростите установку SDK.
Совет эксперта: придайте SDK последовательность и идиоматичность.
Создание полнофункционального SDK.
Совет эксперта: используйте разумные значения по умолчанию.
Совет эксперта: предоставьте полноценную функциональность.
Совет эксперта: ведите журнал событий.
Совет эксперта: скрывайте сложности API.
Совет эксперта: предоставляйте возможности bulk-загрузок.
Совет эксперта: документируйте SDK.
Тестирование SDK.
Совет эксперта: поддерживайте все задачи, реализуемые API.
Завершение первой части нашего портфолио-проекта.
Дополнительные источники информации.
Резюме.
ЧАСТЬ II. ИСПОЛЬЗОВАНИЕ API В ПРОЕКТЕ ПО АНАЛИЗУ ДАННЫХ.
Глава 8. Что специалистам по анализу данных нужно знать об API.
Использование различных стилей API.
Основы НТТР.
Как использовать API со всей ответственностью.
Разделение ответственности: использование SDK или создание собственных клиентов для АРI.
Как создаются API.
Как тестируются API.
Развертывание и контейнеризация API.
Использование системы контроля версий.
Представление второй части портфолио-проекта.
Приступаем к работе с GitНub Codespace.
Клонирование репозитория части II.
Запуск вашей среды GitНub Codespace.
Локальный запуск API SportsWorldCentral (SWC).
Дополнительные источники информации.
Резюме.
Глава 9. Использование API для аналитики данных.
Пользовательские метрики для спортивной аналитики.
Использование API в качестве источников данных для пользовательских метрик в фэнтези-аналитике.
Создание пользовательской метрики: оценка Shark League (Лиги акул).
Программные средства, используемые в данной главе.
httpx.
Jupyter Notebooks.
pandas.
Установка новых библиотек в ваше кодовое пространство.
Запуск вашего API в кодовом пространстве.
Создание файла АРI-клиента.
Создание блокнота Jupyter Notebook.
Добавление к блокноту общей конфигурации.
Работа с данными вашего API.
Вычисление League Balance Score.
Вычисление League Juice Score.
Создание Shark League Score.
Дополнительные источники информации.
Резюме.
Глава 10. Использование API в конвейерах данных.
Типы источников для конвейеров обработки данных.
Проектирование конвейера данных.
Оркестрация конвейера данных с помощью Apache Airflow.
Установка Apache Airflow в GitНub Codespaces.
Создание локальной аналитической базы данных.
Запуск API в кодовом пространстве.
Настройка Аirflоw-подключений.
Создание нашего первого DAG.
Создание совместно используемой функции.
Запуск DAG.
Резюме.
Глава 11. Обработка данных в приложениях Streamlit.
Привлечение пользователей с помощью интерактивной визуализации.
Программные средства, используемые в данной главе.
nfl_data_ру.
Streamlit.
Установка Streamlit и nfl_data_py.
Запуск вашего API в кодовом пространстве.
Повторное использование файла АРI-клиента из главы 9.
Создание Strеаmlit-приложения.
Обновление главного файла.
Запуск Strеаmlit-приложения.
Создание страницы с составами команд.
Создание страницы статистики команды.
Развертывание Strеаmlit-приложения.
Завершение второй части портфолио-проекта.
Дополнительные источники информации.
Резюме.
ЧАСТЬ III. ИСПОЛЬЗОВАНИЕ API С ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ.
Глава 12. Взаимосвязь API и искусственного интеллекта.
Точки пересечения ИИ и API.
Проектирование АРI-интерфейсов для использования с генеративным ИИ и большими языковыми моделями.
Определение искусственного интеллекта.
Генеративный ИИ и большие языковые модели.
Создание агентных ИИ-приложений.
Представление третьей части портфолио-проекта.
Запуск вашей среды GitHub Codespace.
Клонирование репозитория части третьей.
Запуск вашей среды GitHub Codespace.
Дополнительные источники информации.
Резюме.
Глава 13. Развертывание API машинного обучения.
Обучение моделей машинного обучения.
Программные средства, используемые в данной главе.
ONNX Runtirne.
scikit-learn.
sklearn-onnx.
Установка в кодовое пространство новых библиотек.
Использование процесса CRISP-DM.
Осмысление бизнес-задачи.
Анализ данных.
Подготовка данных.
Моделирование.
Оценка.
Развертывание.
Дополнительные источники информации.
Резюме.
Глава 14. Использование API с LangChain.
Вызов искусственного интеллекта с использованием API (посредством LangChain).
Создание LangGraph-aгeнтa.
Регистрация в Anthropic.
Запуск вашего кодового пространства GitHub.
Установка в кодовое пространство новых библиотек.
Создание блокнота Jupyter Notebook.
Общение с LangGraph-areнтoм.
Локальный запуск API SportsWorldCentral (SWC).
Установка Software Development Кit (SDK) swcpy.
Создание набора инструментов LangChain.
Вызов АРI-интерфейсов с использованием ИИ (с применением LangGraph).
Общение с агентом (с использованием инструментов).
Дополнительные источники информации.
Резюме.
Глава 15. Использование ChatGPT для вызова вашего API.
Архитектура вашего приложения.
Начало работы с ChatGPT.
Создание специализированной GPT.
Запуск вашего кодового пространства GitНub.
Запуск SportsWorldCentral (SWC) API в кодовом пространстве GitHub.
Добавление в ваш ОАS-файл раздела Servers.
Создание GРТ-действия.
Тестирование API в вашем GPT.
Общение с вашим специализированным GPT.
Завершение третьей части вашего портфолио-проекта.
Резюме.
Предметный указатель.
Об авторе.
Об изображении на обложке.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Прикладные API для искусственного интеллекта и Data Science, Дэй Р., 2026 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги


Скачать - pdf - Яндекс.Диск.




Теги: учебник по программированию :: программирование :: Дэй